Plugins

Panneau d'annotation et de revue d'éléments pour le client web DeepSeek Harness : sélectionnez des éléments d'interface dans un aperçu d'application en direct, rédigez des notes et envoyez-les à la conversation sous forme d'un bloc structuré

Envoie chaque prompt dsh dans le pipeline local de mémoire de retour agent-feedback-loop — capture l'insatisfaction, la transforme hors ligne en réflexions, et rattache au tour le contexte compilé des règles de récurrence, sans jamais bloquer un prompt. Nécessite le runtime agent-feedback-loop ; exécuter ensuite agent-feedback-loop install câble automatiquement les profils dsh existants.

Thème Kinich et Ajaw pour DeepSeek Harness Web, avec trois styles visuels, retour d’état de session, interactions avec le compagnon et effets d’ambiance configurables.

Mémoire de session → Plugin de sédimentation de connaissances OKF : système de mémoire à auto-apprentissage neuronal piloté par la prédiction. Sédimente le contenu à forte valeur des sessions en mémoire à long terme selon la spécification OKF v0.1, et le rappelle automatiquement d'une session à l'autre. Plugin de mémoire session-vers-OKF avec auto-apprentissage neuronal (rappel prédictif, capture guidée par l'incertitude, retour par renforcement).

Génère des wireframes d'UI et des maquettes haute fidélité dans DeepSeek Harness avec des fournisseurs d'images DashScope et Volcengine sélectionnables.

Retour par capture d'écran pour DeepSeek Harness — laissez votre agent de codage VOIR ce qu'il construit.

Moteur de transformation et d'assemblage de capacités (cybernétique/cadre de systèmes Qian Xuesen) : la couche résidente statique gère les registres de compétences/MCP/plug-in, absorbe automatiquement les compétences et les métriques des outils, et pilote une boucle d'évolution à rétroaction négative (analyse Malade/Faible → muter → sélectionner promouvoir/rejeter → restauration de 30 s) ; comprend un panneau d'interface utilisateur Web et un pont de magasin de plugins GitHub dsh.

Avec Jev, ajuste le raisonnement du chat principal sans changer de modèle, choisit/applique séparément capacité et effort des sous-agents et inspecte les décisions via le retour d’allocation par réponse.

Transforme un objectif utilisateur en plan de plugins à partir de catalogues communautaires et de la documentation des auteurs, puis enchaîne installation et exécution dans le même espace de travail, avec historique et retours sauvegardés.

Comparaison CSV/XLSX en lecture seule par clés métier, avec décisions de revue hors ligne, commentaires et transmissions de retours vérifiées par la source.

Interface de feedback pouce haut/bas en un clic qui injecte des résumés d’évaluation dans le contexte du modèle.

Compile une persona selon six dimensions (identité, ton, habitudes créatives, retours, limites et paramètres d’exécution) et insère le texte à la fin du prompt système. Six modèles intégrés et prise en charge d’un dossier de modèles. Brouillons depuis vos anciens messages par comptage de motifs ou lecture par le modèle actuel avec justification. Panneau près du composeur et /persona.

Clinique en lecture seule des journaux de session DSH : 22 diagnostics nommés (gaspillage de tokens, boucles de retry/échec, contexte gonflé, oubli intersession, MCP servers et skills inactifs). Chaque constat a un localisateur de preuve rejouable, par exemple `session.v4.jsonl.zstd#L101-L110`, et une prescription exécutable : extrait YAML de profile-patch ou commande avec valeurs actuelle→proposée, risque, vérification et source. Une commande de feedback retire la prescription refusée et le rapport indique qu’elle a été retirée par votre retour. Zéro dépendance, sortie réseau nulle par défaut, aucun fichier de session modifié.

Sélectionnez des éléments dans les aperçus DSH, dessinez des flèches ou encadrez des zones, envoyez des retours visuels au chat et comparez les captures avant/après.

Amélioration visuelle Markdown et atelier du Composer DSH : rendu syntaxique en direct avec révélation du code de la ligne du curseur, marqueurs inactifs masquables/estompables, complétions locales déterministes et continuation des listes/citations avec renumérotation. Les longs collages deviennent des chips persistants, transmis comme contexte ou en file mode (`@path`, 50+ extensions). Réécriture LLM latérale (arrêt, diff, undo/redo), carte du contexte, jauge/détail des tokens, graphique par tour, `/compact`, fork et Context Doctor (aperçu, diagnostic, analyse, retour).

Mémoire à long terme intersessions pour DeepSeek Harness : pipeline d’extraction/consolidation en deux phases sur un espace mémoire basé sur des fichiers, injection des souvenirs, boucle de retour sur les citations et sémantique de tâches par lease. Comprend une page Settings et un panneau d’état latéral.

Connecte DeepSeek Harness à FitMeet par OAuth individuel et fournit 17 outils pour rechercher des personnes, rencontres, notifications, éléments personnels, retours sur les connexions, publications Hall et messages directs ; les écritures sont protégées par aperçu et confirmation.

Transforme les conversations DSH en retours communautaires pouvant être examinés et, après confirmation, les soumet aux Discussions officielles de DeepSeek Harness.

Moteur d'état Guardian pour DeepSeek Harness : comptage d'assertions, file de revue des modifications et surveillance anti-boucle de rétroaction sur les événements de session.

Relecteur de diff incrémental pour DSH : après approbation d'un lot, seuls les changements depuis le checkpoint sont affichés, avec un panneau de revue Web et la commande `/review` qui réinjecte le feedback à l'agent.

Delivery workflow preset for DeepSeek Harness: an agent protocol plus seven tools that keep user requests verbatim, record feedback decisions, plan tasks with acceptance criteria, log real verification commands and exit codes, and write completion summaries as per-project JSONL files.

Mémoire longue durée sur SQLite local : injection automatique par projet avec filtrage du bruit, extraction par règles ou assistée par modèle depuis les tours récents, déduplication à l’écriture et classement pondéré par feedback. Le pont Python utilise $NEXUS_PYTHON ou l’interpréteur DSH inclus sous `<DSH home>/dsh-runtimes/dsh-primary-runtime/dependencies/python/` (Python 3.8+).

Compagnon d’étude pour vos supports : exercices guidés, retours fondés sur les sources, révision espacée Leitner, 18 outils enseignants et panneau étudiant chinois/anglais utilisant le modèle de la session DSH actuelle. Nécessite DSH >=0.2.1-rc.2 <0.3.0-0, Python 3.11+ et les dépendances runtime Python.

Panneau d’écriture en lecture seule pour projets contenant un espace `.writing-anything/` : cartes récapitulatives par tâche, arbre d’unités, artefacts YAML en cartes sémantiques ou source surlignée, liste des sources et files de décision/revue. Les retours des revues intégrées sont écrits via wa-cli.